کشف بزرگ: ۳ نوع جدید سرطان استخوان که درمان را متحول می‌کند!

شناسایی سه نوع فرعی متمایز از سرطان استخوان نادر

برای اولین بار، پژوهشگران موفق به شناسایی حداقل سه نوع فرعی مختلف از یک سرطان استخوان کمیاب شده‌اند. این کشف می‌تواند گامی رو به جلو در آزمایش‌های بالینی و مراقبت از بیماران باشد. پیش‌تر، توالی‌یابی ژنتیکی به شناسایی انواع گوناگون سرطان‌های دیگر، مثل سرطان پستان و پوست، کمک کرده بود. این موضوع، امکان درمان‌های هدفمند را بر اساس نوع فرعی سرطان برای بیماران فراهم می‌کرد. اما انجام این کار برای استئوسارکوم – سرطانی که از استخوان آغاز می‌شود و معمولاً کودکان و نوجوانان را درگیر می‌کند – بسیار دشوارتر بوده است.

اکنون، یک پروژه تحقیقاتی به رهبری دانشگاه ایست آنگلیا که توسط سازمان خیریه برجسته در زمینه سرطان کودکان“Children with Cancer UK” تامین مالی شده است، توانسته با استفاده از مدل‌سازی ریاضی پیشرفته و یادگیری ماشینی به نام “تفکیک فرآیند پنهان”، بیماران مبتلا به استئوسارکوم را بر اساس داده‌های ژنتیکی به زیرگروه‌های مختلفی تقسیم کند. پیش از این، تمام بیماران در یک گروه جای می‌گرفتند و با یک روش درمانی یکسان درمان می‌شدند، که نتایج بسیار متفاوتی به همراه داشت.

تحولی در درمان استئوسارکوم

دکتر دارل گرین، نویسنده اصلی این تحقیق از دانشکده پزشکی نورویچ دانشگاه ایست آنگلیا، در این باره گفت: “از دهه 1970، استئوسارکوم با جراحی و شیمی‌درمانی غیرهدفمند درمان می‌شد.این درمان‌ها گاهی منجر به قطع عضو، عوارض جانبی شدید و طولانی‌مدت ناشی از شیمی‌درمانی می‌شد.”

او همچنین افزود: “در طول بیش از 50 سال گذشته، چندین آزمایش بالینی بین‌المللی که به بررسی داروهای جدید برای استئوسارکوم پرداخته‌اند، با شکست مواجه شده‌اند. این تحقیق جدید نشان داد که در هر یک از این آزمایشات ‘ناموفق’، درصد کمی (حدود 5 تا  10 درصد) از بیماران به داروی جدید پاسخ داده‌اند، که نشان‌دهنده وجود زیرگروه‌های استئوسارکوم است که به درمان جدید پاسخ مثبت داده‌اند.”

دکتر گرین ادامه داد: “داروهای جدید به‌طور کامل ‘شکست‌خورده’ نبوده‌اند؛ بلکه برای همه بیماران مبتلا به استئوسارکوم مؤثر نبوده‌اند. با این حال، می‌توانند به عنوان یک درمان جدید برای گروه‌های خاصی از بیماران مفید باشند. امیدواریم که در آینده، گروه‌بندی بیماران با استفاده از  این الگوریتم جدید، در آزمایش‌های بالینی نتایج مثبتی را به همراه داشته باشد. این برای اولین بار در بیش از نیم قرن گذشته خواهد بود.”

او همچنین بیان کرد: “زمانی که بیماران می‌توانند با داروهای هدفمند ویژه، بر اساس نوع فرعی سرطان خود درمان شوند، این امر به ما کمک خواهد کرد تا از شیمی‌درمانی‌های گسترده فاصله بگیریم.”

تلاش برای درمان‌های هدفمندتر و ملایم‌تر

جستجو برای درمان‌های ملایم‌تر و هدفمندتر برای استئوسارکوم، یک حوزه مهم برای Children with Cancer UK است. این سازمان خیریه پیشرو، در سال 2021 بودجه‌ای را به تیم دانشگاه ایست آنگلیا اختصاص داد تا روش‌های نوآورانه‌ای را برای درمان استئوسارکوم بررسی کنند.

دکتر سلطانه چودری، رئیس تحقیقات در Children with Cancer UK، گفت: “سرمایه‌گذاری در برنامه‌های تحقیقاتی پیشرو، بخش مهمی از تلاش‌های ما برای ایجاد جهانی است که در آن هر کودک و جوان بتواند از سرطان جان سالم به‌در ببرد. ما منابع مالی خود را به علم اختصاص می‌دهیم، زیرا دیده‌ایم که تحقیقات می‌تواند تفاوت بزرگی در شانس زنده ماندن کودکان ایجاد کند.”

او افزود: “با حمایت مالی از تحقیقات پیشگامانه، ما نه تنها در حال پیشبرد دانش علمی هستیم، بلکه در تلاشیم تا درمان‌های ملایم‌تر و مؤثرتری را برای آسیب‌پذیرترین بیماران سرطانی، یعنی جوانان، پیدا کنیم.”

تحقیق برای بهبود درمان بیماران جوان مبتلا به سرطان

امید ما این است که نتایج این پروژه تحقیقاتی به بهبود تشخیص، درمان و مراقبت‌های بلندمدت از بیماران جوان مبتلا به سرطان کمک کند.

نرخ بقا برای اوستئوسارکوم، نوعی سرطان استخوان، در 45 سال گذشته در حدود 50 درصد ثابت بوده است. این موضوع، عمدتاً به این دلیل است که زیرگروه‌های مختلف اوستئوسارکوم هنوز به‌طور کامل شناخته نشده‌اند و همچنین تأثیر سیستم ایمنی اطراف تومور بر سرطان، یا عواملی که باعث مقاومت سرطان به درمان و گسترش آن به سایر نقاط بدن می‌شوند، هنوز مشخص نیست. دانشمندان تا به حال نتوانسته‌اند نشانگرهای زیستی کلیدی را شناسایی کنند که بتوانند به پیش‌بینی آینده بیمار یا چگونگی پاسخ او به درمان کمک کنند. این کمبودهای اطلاعاتی مانع پیشرفت در بهبود نرخ بقا می‌شوند.

پیش از این، محققان تلاش کرده‌اند با استفاده از روش‌های محاسباتی خاص، انواع مختلف اوستئوسارکوم را پیش‌بینی کنند که نشان می دهد زیرگروه‌های متمایزی از این سرطان وجود دارد. اگرچه این یک گام مهم رو به جلو بود، اما به‌طور کامل به این حقیقت نمی‌پردازد که هر تومور اوستئوسارکوم می‌تواند از یک بخش به بخش دیگر بسیار متفاوت باشد. این مدل‌ها همچنین فرض می‌کنند که هر تومور می‌تواند به‌طور منظم در یک گروه خاص قرار گیرد، در حالی که تومورها معمولاً از انواع مختلفی از سلول‌های سرطانی تشکیل شده‌اند. این تنوع درون یک تومور، پیش‌بینی دقیق رفتار یا پاسخ سرطان به درمان را دشوارتر می‌کند.

در این مطالعه، محققان از یک روش پیشرفته‌تر به نام تجزیه فرآیند پنهان (LPD) استفاده کردند که تفاوت‌ها درون خود تومورهای فردی را در نظر می‌گیرد. برخلاف روش‌های قبلی، LPD به تومور به عنوان ترکیبی از الگوهای پنهان در فعالیت ژن‌ها نگاه می‌کند. این الگوهای پنهان، نشان‌دهنده “وضعیت‌های عملکردی” مختلف تومور هستند. هر وضعیت، الگوی بیان ژن خاص خود را دارد. روش LPD تعیین می‌کند که برای توصیف یک تومور خاص، به چندتا از این الگوها نیاز است.

این تحقیق، سه زیرگروه بیماری استئوسارکوم را شناسایی کرد که یکی از آن‌ها در برابر درمان با ترکیب دارویی شیمی‌درمانی استاندارد با نام MAP، پاسخ ضعیفی نشان می‌داد. با تقسیم بیماران به گروه‌های مختلف بر اساس این الگوها، پزشکان می‌توانند تصمیمات بهتری در مورد درمان اتخاذ کنند. محققان به محدودیت‌های کلیدی این مطالعه اشاره کردند که شامل مجموعه داده‌های کوچک برای توسعه مدل LPD و داده‌های بالینی ناقص در گروه تأیید است. دسترسی به بافت و اطلاعات بالینی مرتبط، به‌ویژه برای استئوسارکوم به‌دلیل نادر بودن این سرطان، محدودیت مواد بیوپسی و آسیب‌های گسترده ناشی از شیمی‌درمانی در نمونه‌های پس از درمان، چالش‌برانگیز است.

با وجود این چالش‌ها، روش  LPD به‌عنوان یک روش قابل‌اعتماد شناخته شد، زیرا زیرگروه‌های ثابتی از استئوسارکوم را در چهار مجموعه اطلاعات مستقل شناسایی کرد. مانند هر ابزار یادگیری ماشینی، نتایج با افزودن اطلاعات بیشتر بهبود می‌یابند. اخیراً، دکتر گرین رهبری توسعه دستورالعمل‌های جدیدی را بر عهده داشته است تا نحوه جمع‌آوری نمونه‌های سرطان استخوان و اطلاعات بالینی در سراسر اروپا بهبود یابد. این بدان معناست که در چند سال آینده، محققان ممکن است بتوانند مدل LPD را حتی بیشتر بهبود بخشند و انواع خاص‌تری از استئوسارکوم را کشف کنند.

مقاله ای با عنوان «خوشه‌بندی بدون نظارت بیزی، زیرگروه‌های بالینی مرتبط استئوسارکوم را شناسایی می‌کند» در مجله Briefings in Bioinformatics منتشر شده است.